數(shù)字圖像中的條帶噪聲方向檢測(cè)研究

1、 畢業(yè)設(shè)計(jì)（論文） 題目 數(shù)字圖像中的條帶噪聲方向檢測(cè)研究 學(xué)生姓名學(xué)號(hào) 專業(yè)電子信息科學(xué)與技術(shù) 班級(jí) 指導(dǎo)教師 評(píng)閱教師 完成日期 畢業(yè)設(shè)計(jì)（論文）課題任務(wù)書 （2014-2015 學(xué)年） 學(xué)院名稱：計(jì)算機(jī)與信息學(xué)院 課題名稱 數(shù)字圖像中的條帶噪聲方向檢測(cè)研究 學(xué)生姓名 專業(yè) 電子信息科學(xué)與技術(shù) 學(xué)號(hào) 指導(dǎo)教師 任務(wù)書下達(dá)時(shí)間 2014年10月31號(hào) 課題概述： 數(shù)字圖像中的條帶噪聲往往具有明顯的方向性，方向性的有效檢測(cè)是去除條帶 噪聲干擾的關(guān)鍵所在。本課題希望學(xué)生能夠利用所學(xué)的數(shù)字圖像處理的基本原理， 從圖像中的直線檢測(cè)這一基本問題出發(fā)，結(jié)合條帶噪聲的分布規(guī)律，深入研究條帶 噪聲產(chǎn)生的機(jī)理

2、，對(duì)數(shù)字圖像中所存在的條帶噪聲進(jìn)行有效的方向性檢測(cè)，并驗(yàn)證 檢測(cè)的準(zhǔn)確性，分析誤差產(chǎn)生的原因。 要求閱讀或檢索的參考資料及文獻(xiàn)： 1. 翻譯： On Detecti on of Multiple Object In sta nces Using Hough Tran sforms 2. A test framework for the accuracy of line detecti on by Hough Tran sforms 3. Strip ing Noise Detect ion and Correction of Remote Sensing Images 4. Subspace-

3、Based Strip ing Noise Reducti on in Hyperspectral Images 5. A gridd ing Hough tran sform for detect ing the straight lines in sports video 6. Freque ncy-domain Regularized Decon voluti on for Images with Stripe Noise 7. 基于邊緣方向圖的建筑物直線特征提取 8. 二值圖像中直線擬合誤差與直線方向的關(guān)系 9. 基于相位一致性的紋理方向檢測(cè)和感知方向性度量 10. 基于圖像細(xì)化的疲勞

4、斷口圖像條帶周期測(cè)量 11. 金屬斷口圖像分類與條帶周期測(cè)量技術(shù)研究 12. 線掃描圖像中條帶噪聲去除方法研究 13. 基于方向?yàn)V波器消除遙感圖像孤立條帶噪聲的方法 14. 中分辨率遙感圖像條帶噪聲的去除 15. 基于小波變換的多波段遙感圖像條帶噪聲的去除 16. 基于灰度特性的紅外圖像條帶噪聲濾除 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的 研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外， 本論文不包含任何其他個(gè)人或 集體已經(jīng)發(fā)表或撰寫的成果作品。本人完全意識(shí)到本聲明的法律后果由本人承 擔(dān)。 作者簽名：年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者

5、完全了解學(xué)校有關(guān)保障、使用學(xué)位論文的規(guī)定，同意學(xué)校保 留并向有關(guān)學(xué)位論文管理部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查 閱和借閱。本人授權(quán)省級(jí)優(yōu)秀學(xué)士學(xué)位論文評(píng)選機(jī)構(gòu)將本學(xué)位論文的全部或部分 內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯 編本學(xué)位論文。 本學(xué)位論文屬于 1、 保密 ，在年解密后適用本授權(quán)書。 2、不保密 口。 （請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打V”） 作者簽名: 導(dǎo)師簽名: 1緒論 1.1研究背景及意義 1.2 國內(nèi)外研究現(xiàn)狀 1.3本文研究內(nèi)容 2條帶噪聲的基本概念 2.1條帶噪聲形成的原因及影響 2.2 條帶噪聲的特征分析 2.2.1 周期性 2.2.2

6、 方向性 3條帶噪聲方向性檢測(cè)的技術(shù)分析 3.1 基于霍夫變換的直線檢測(cè)原理 3.2 方向性判斷原理 3.3對(duì)條帶噪聲進(jìn)行方向性檢 3.4本章小結(jié) 4基于MATLAB勺仿真數(shù)據(jù) 4.1圖像+加躁 4.2前人方向性檢測(cè)的方法 4.3本文使用的檢測(cè)的方法 4.4驗(yàn)證檢測(cè)的準(zhǔn)確性 4.5分析誤差產(chǎn)生的原因 5真實(shí)的數(shù)據(jù) 6總結(jié) 5.1本文完成的主要工作 5.2 未來研究展望 致謝 參考文獻(xiàn) 附錄 數(shù)字圖像中的條帶噪聲方向檢測(cè)研究 學(xué) 生：徐冰 指導(dǎo)教師：黃瑤 （三峽大學(xué) 計(jì)算機(jī)與信息學(xué)院） 摘要：圖像在收集、存儲(chǔ)和傳輸過程中經(jīng)常會(huì)受到各類噪聲的干擾，主要分為系 統(tǒng)噪聲（周期性噪聲）和隨機(jī)噪聲兩種，其

7、中條帶噪聲是最常見的系統(tǒng)噪聲。條 帶噪聲是圖像中具有一定周期性、方向性且呈條帶狀分布的一種特殊噪聲，主要 是在采集圖像的過程中，由于光電傳感器一一線陣CCD器件反復(fù)掃描的物成像， 受掃描探測(cè)元正反掃描響應(yīng)差異、傳感器機(jī)械運(yùn)動(dòng)和溫度變化等影響造成的。由 于條帶噪聲的出現(xiàn)掩蓋了圖像中真正的有用信息，使圖像的質(zhì)量下降，給圖像 識(shí)別和判讀造成了不利的影響。而方向性的有效檢測(cè)是去除條帶噪聲干擾的關(guān)鍵 所在，因此，在圖像識(shí)別和判讀之前，利用小波變換對(duì)信號(hào)奇異點(diǎn)檢測(cè)的優(yōu)越性， 檢測(cè)出條帶噪聲在小波系數(shù)中的周期性分布規(guī)律，根據(jù)條帶噪聲產(chǎn)生的機(jī)理，對(duì) 條帶噪聲進(jìn)行有效的方向性檢測(cè)，并驗(yàn)證檢測(cè)的準(zhǔn)確性，分析誤差產(chǎn)

8、生的原因， 然后消除該噪聲。處理后圖像目視效果良好，功率譜基本保留了原圖像功率譜的 變化趨勢(shì)，表明在有效去除條帶噪聲的同時(shí)，較好地保留了圖像中的有用信息。 關(guān)鍵字：條帶噪聲；周期性；方向性檢測(cè)；小波變換；功率譜 Abstract: Images in the collection, storage, and transmission process will often affected by all kinds of noise interferenee, mainly divided into the system noise, periodic no ise and ran dom no

9、 ise, the stripe no ise is the most com mon system no ise. Stripe no ise is in the image has certa in periodicity, directi onal and zonal distributi on of a special noise, mainly in the process of collecting image, because of the photoelectric sen sor, li near CCD device repeatedly sca n imagi ng, b

10、y sca nning probe yua n positive and n egative sca n resp onse differe nces, sen sors, mecha ni cal moveme nt and the temperature cha nge, etc. Due to the prese nee of the stripe no ise to cover up the real useful information in the image, the image quality drop, the adverse effects caused image rec

11、og niti on and in terpretatio n.And directi onal effective detect ion is the key to remove stripe no ise, therefore, before the image recog niti on and in terpretati on, using the adva ntages of wavelet tran sform to the sig nal sin gularity detecti on, detect the periodic distributen of strip noise

12、 in wavelet coefficient, according to the mecha nism of strip no ise, for detect ing the direct ion of the stripe no ise effectively, and to verify the exactnessof the testing, analysis of the causesof error, and then elimi nate the no ise.After process ing the image visual effect is good, basic ret

13、ain the orig inal image power spectrum trend of the power spectrum showed that the effective removal of stripe noise at the same time, better retain the useful information in the image. Keywords: Stripe noise ； Periodically； Directional detection； Wavelet transform； Power spectrum 、八、- 前言 衛(wèi)星遙感成像是對(duì)地觀

14、測(cè)的重要手段之一， 在國家安全、國民經(jīng)濟(jì)、科學(xué)研 究和人民生活等方面有重要作用。衛(wèi)星遙感利用地物目標(biāo)的輻射特性以及對(duì)電磁 波的反射特性，實(shí)現(xiàn)對(duì)地表信息的間接獲取。遙感衛(wèi)星圖像需要真實(shí)、客觀的反 映地物特征，然而，由于星載成像系統(tǒng)處于復(fù)雜的電磁環(huán)境， 衛(wèi)星內(nèi)部電路系統(tǒng) 眾多，CCD器件的工藝缺陷等，在獲取和傳輸圖像的過程中會(huì)引入大量噪聲， 嚴(yán) 重降低對(duì)地觀測(cè)信息獲取的圖像質(zhì)量，給后期的圖像處理和人眼視覺判讀帶來障 礙。因此，對(duì)衛(wèi)星成像系統(tǒng)獲得的遙感圖像進(jìn)行數(shù)據(jù)預(yù)處理，降低成像系統(tǒng)中引 入的各種噪聲，提高遙感圖像的質(zhì)量和準(zhǔn)確度，為后期壓縮編碼、數(shù)據(jù)傳輸、判 讀解譯、目標(biāo)識(shí)別等工作能夠順利進(jìn)行并取得

15、良好結(jié)果提供前提和保證，是獲取 遙感圖像后需要完成的首要工作。在星載成像系統(tǒng)獲取圖像的過程中，實(shí)際系統(tǒng) 受到的噪聲干擾多種多樣，不同的環(huán)境干擾和系統(tǒng)缺陷會(huì)對(duì)遙感圖像引入分布和 統(tǒng)計(jì)特性截然不同的噪聲，例如成像過程中受電磁干擾產(chǎn)生的服從高斯分布或泊 松分布的熱噪聲、由于線陣 CCD像元響應(yīng)不均引起的具有一定方向性的條帶噪 聲和由于成像系統(tǒng)的故障和缺陷及電氣開關(guān)、繼電器改變狀態(tài)引起的脈沖噪聲 等。這些噪聲具有明顯不同的特征，對(duì)數(shù)據(jù)產(chǎn)生的干擾在圖像中的表現(xiàn)形式也不 同，使用一種降噪算法難以對(duì)它們進(jìn)行有效的抑制。例如能夠有效抑制高斯噪聲 的小波軟閾值降噪算法在條帶噪聲和脈沖噪聲面前就顯得束手無策。因此

16、，處理 不同種類的噪聲，必須針對(duì)它們各自的機(jī)理和特性分別加以消除，才能真正達(dá)到 抑制圖像噪聲，提高圖像質(zhì)量的效果。另一方面，遙感圖像信號(hào)有其自身顯著的 細(xì)節(jié)豐富、邊緣和紋理方向性顯著等特點(diǎn)，圖像降噪的本質(zhì)就是尋找信號(hào)和噪聲 之間的不同特征并利用這些特征將其分開。 國內(nèi)外目前還沒有分析遙感圖像的信 噪特征，并利用這些特征針對(duì)不同噪聲采用不同方法進(jìn)行降噪的專門文獻(xiàn)。本文 在分析總結(jié)星載成像系統(tǒng)工作機(jī)理的基礎(chǔ)上，探討衛(wèi)星遙感圖像信號(hào)和噪聲的源 特性，并利用各自不同的源特性，將信號(hào)和噪聲分開。從實(shí)際系統(tǒng)角度出發(fā)，對(duì) 不同類型噪聲分別加以處理。主要工作內(nèi)容如下： 1. 星載可見光成像系統(tǒng)中噪聲的來源和特

17、性分析：在分析噪聲產(chǎn)生機(jī)理的基礎(chǔ) 上介紹了成像過程中光電散粒噪聲、讀出噪聲、條帶噪聲和脈沖等的來源和特點(diǎn)。 對(duì)存在于遙感圖像中的噪聲進(jìn)行分類， 總結(jié)和探討了泊松噪聲、高斯噪聲、條帶 噪聲和脈沖噪聲等各類噪聲的統(tǒng)計(jì)特性和數(shù)學(xué)模型。 2. 線陣掃描CCD條帶噪聲抑制方法研究：摘 要分析研究線陣沿軌掃描CCD傳 感器內(nèi)部每一個(gè)像元在光譜響應(yīng)區(qū)內(nèi)的響應(yīng)函數(shù)不一致造成的遙感圖像條帶噪 聲。在分析遙感CCD圖像孤立條帶噪聲產(chǎn)生原因和噪聲模型的基礎(chǔ)上，提出基 于二維方向?yàn)V波器抑制條帶噪聲的方法。 該方法利用窄帶方向?yàn)V波器良好的圖像 紋理方向的頻率選擇特性，將條帶噪聲與圖像其它信息分離到不同的方向?yàn)V波器 子帶

18、內(nèi)，并在水平信息子帶內(nèi)采用均值補(bǔ)償方法去除條帶噪聲。實(shí)驗(yàn)結(jié)果證明它 不僅能有效去除CCD圖像中的隨機(jī)孤立條帶噪聲，還能保持原始圖像的輻射入 射幅度，保留細(xì)節(jié)信息。較傳統(tǒng)的方法相比，性能有較大的提高。 3. 基于信噪特征的圖像高斯白噪聲抑制方法研究： 分析研究了成像過程中以讀出噪聲為代表的高斯白噪聲特征，并利用遙感圖 像富含邊緣和紋理等具有方向信息的二維數(shù)據(jù)特征，提出基于自適應(yīng)方向提升小 波變換的遙感圖像降噪方法。該方法構(gòu)建于傳統(tǒng)提升小波變換框架之上， 分析圖 像的局部方向信息，并使每一個(gè)提升步驟都沿著圖像局部像素相關(guān)性最強(qiáng)的方向 進(jìn)行變換，實(shí)現(xiàn)局部最大去相關(guān)性，將圖像中邊緣和紋理產(chǎn)生的高頻信息

19、盡可能 的壓縮到低頻子帶，從而克服了傳統(tǒng)小波缺乏靈活的方向選擇性的缺點(diǎn)。方向提 升小波將噪聲產(chǎn)生的無方向性的高頻信息留在高頻子帶，從而實(shí)現(xiàn)將圖像的紋理 和噪聲在小波域更好的分開。通過閾值策略對(duì)高頻系數(shù)進(jìn)行處理， 就可以實(shí)現(xiàn)在 降噪的過程中盡可能的保留圖像邊緣信息， 這一特點(diǎn)在富含邊緣、紋理和小目標(biāo) 的遙感圖像降噪中非常重要。 4. 基于兩級(jí)插值的圖像脈沖噪聲去除方法研究： 分析研究星載成像系統(tǒng)脈沖噪聲的特點(diǎn)，提出一種基于非均勻下采樣和分段自回 歸插值的去除圖像脈沖噪聲的新方法。 根據(jù)脈沖噪聲的特點(diǎn)：由隨機(jī)非連續(xù)，幅 度大的不規(guī)則脈沖或噪聲尖峰組成。通過檢測(cè)算法可以檢測(cè)出未受脈沖噪聲影響 的像素

20、。將未受噪聲污染的像素點(diǎn)從含噪圖像中提取來構(gòu)成一幅不含脈沖噪聲， 分辨率為原來1/2的低分辨率圖像。再通過分段自回歸插值將低分辨率圖像插 回原始圖像大小，得到恢復(fù)信號(hào)。該方法首次將下采樣和插值的概念引入脈沖噪 聲抑制方法，充分利用未受噪聲影響的像素和二維圖像結(jié)構(gòu)信息，恢復(fù)清晰圖像。 1緒論 1.1研究背景及意義 圖像在人類接收和傳遞信息中起重要作用，它具有直觀、形象和信息量大 等優(yōu)點(diǎn)，但是實(shí)際生產(chǎn)中的數(shù)字圖像在采集和傳輸?shù)倪^程中往往會(huì)受到成像設(shè)備 以及外部環(huán)境等的干擾，圖像中的噪聲會(huì)使得圖像的質(zhì)量下降， 并對(duì)圖像的處理 造成極大的影響，因此對(duì)圖像的去噪工作通常被作為圖像處理的第一步。近年來 伴

21、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，人們對(duì)圖像質(zhì)量的要求也越來越高，圖像去噪作 為數(shù)字圖像處理領(lǐng)域內(nèi)一個(gè)重要的分支，已成為該領(lǐng)域研究的一個(gè)熱點(diǎn)。 條帶噪聲在許多星載和機(jī)載多傳感器和單傳感器光譜儀中是一種很普遍的 現(xiàn)象。條帶噪聲主要是由于光譜儀內(nèi)各 CCD在光譜響應(yīng)區(qū)內(nèi)的響應(yīng)函數(shù)不一致、 數(shù)據(jù)系統(tǒng)內(nèi)定標(biāo)的一些輕微的錯(cuò)誤、 傳感器對(duì)信號(hào)響應(yīng)的變化等原因造成的。 直 線提取是計(jì)算機(jī)視覺的一個(gè)基本問題，在視頻跟蹤、攝像機(jī)標(biāo)定、遙感圖像處 理、位姿估計(jì)、視覺測(cè)量、 和目標(biāo)識(shí)別等很多域都有應(yīng)用。數(shù)字圖像中的大量 直線，是對(duì)建圖像進(jìn)行識(shí)別、定位和三維重建最重要最穩(wěn)定的特征，直線提取的 效果，直接影響后續(xù)處理的準(zhǔn)確性。

22、因此檢測(cè)直線，具有十分重要的意義。 線掃描成像方式主要應(yīng)用于衛(wèi)星遙感成像系統(tǒng)和自動(dòng)視覺檢測(cè)成像系統(tǒng)中。線掃 描圖像在圖像采集過程中，由于相機(jī)本身的構(gòu)造以及其它各種因素， 使得獲取到 的圖像存在大量噪聲，其中條帶狀的噪聲是線掃描圖像特有的噪聲類型，嚴(yán)重影 響了圖像的質(zhì)量，同時(shí)也給后續(xù)的圖像分割與目標(biāo)識(shí)別等工作帶來困難，因此在 對(duì)采集到的線掃描圖像進(jìn)行圖像處理和分析之前，必須對(duì)其進(jìn)行條帶噪聲去除處 理。 1.2國內(nèi)外研究現(xiàn)狀 針對(duì)圖像中的直線提取問題，人們提出了很多方法，其中最有代表性的為 1) Hough變換及其改進(jìn)方法：這類方法是應(yīng)用最為廣泛，提出較早的經(jīng) 典方法。其優(yōu)點(diǎn)是抗噪能力強(qiáng)，能夠連接

23、共線短直線。但建筑物中直線數(shù)目眾多， 分布密集，應(yīng)用Hough變換法往往會(huì)把大量密集的屬于不同直線上的點(diǎn)誤識(shí)別 為同一直線上的點(diǎn)，檢測(cè)效果并理想； 2 )相位編組法:相位編組法是Brian等提出的直線檢測(cè)算法,它充分利用 了圖像相位攜帶的大量構(gòu)成直線的相關(guān)像素點(diǎn)的空間信息，能夠檢測(cè)出 較低對(duì)比度的直線段。但對(duì)于建筑物這樣復(fù)雜的場(chǎng)景，會(huì)產(chǎn)生大量的短直線，誤 檢現(xiàn)象也十分嚴(yán)重； 3) 鏈碼法：鏈碼是圖像邊界描述的優(yōu)良方法，也是直線檢測(cè)的一種常用方 法,早在19世紀(jì)70年代Freeman就提出了直線鏈碼的三個(gè)準(zhǔn)則,為直線檢 測(cè)提供了新的思路，但在建筑物圖像上的應(yīng)用表明，此種方法會(huì)存在嚴(yán)重的誤 檢和漏

24、檢問題； 4) 最小特征根分析法：最小特征根分析法是近年來提出的一種新的直線檢 測(cè)方法，該算法利用邊緣像素的協(xié)方差矩陣特征值來判斷是否含有直線，在檢 測(cè)建筑物直線特征方面取得了較好的效果，但仍然會(huì)產(chǎn)生一些短直線，對(duì)噪聲也 較敏感； 5) 主元分析(PCA):主元分析法是近年來提出的另一種效果比較好的直線 檢測(cè)方法，該算法把邊緣圖像劃分為行、列兩部分分別進(jìn)行處理，并利用主元分 析法對(duì)數(shù)據(jù)進(jìn)行降維，進(jìn)而可以檢測(cè)建筑物中大量的直線特征，但受閾值選擇 和噪聲的影響較大，算法穩(wěn)健性不高。 為了準(zhǔn)確識(shí)別數(shù)字圖像中的直線，本文提出了一種基邊緣方向圖的直線特征 提取方法。該方法突破了經(jīng)典直線檢測(cè)算法的思路，從

25、邊緣拆分這一全新的角度， 利用局部直線檢測(cè)算子對(duì)邊緣進(jìn)行方向編碼，將邊緣圖像分割成直線、曲線與點(diǎn) 的組合,構(gòu)成了一種直線檢測(cè)的輔助圖像邊緣方向圖。在邊緣方向圖的基礎(chǔ) 上,進(jìn)一步利用方向一致性、直線誤差判別準(zhǔn)則和稀疏直線擬合方法識(shí)別直線特 征,有效地解決了圖像中直線檢測(cè)的漏檢、誤檢和噪聲干擾等問題。 1.3本文研究內(nèi)容 利用方向編碼檢測(cè)直線的思想在相位編組法和鏈碼法等很多算法中都被應(yīng) 用,但這些算法通常只考慮像素點(diǎn)8鄰域內(nèi)的梯度，并不能表達(dá)直線在0 180 范圍內(nèi)的準(zhǔn)確方向，增加了后續(xù)直線提取的復(fù)雜性和出錯(cuò)概率。 圖像中的直線具 有連續(xù)性、分布密集和噪聲干擾多的特點(diǎn)，如果運(yùn)用8鄰域方向編碼，將難

26、以區(qū) 分位置關(guān)系相近的多條直線特征。因此必須建立新的方向編碼策略。建筑物圖像 中，同一直線上各點(diǎn)的方向趨于一致；直線與直線交點(diǎn)處方向變化明顯，曲率較 大?；谶@一特點(diǎn)，設(shè)計(jì)了一個(gè)局部直線檢測(cè)算子對(duì)邊緣點(diǎn)進(jìn)行方向編碼，構(gòu)造 邊緣方向圖的方法，具體過程如下：以邊緣點(diǎn)Pj (xj,yj )為中心,構(gòu)造一個(gè)N X N的直線方向檢測(cè)窗口，如果通過點(diǎn) Pj的連續(xù)線條為直線，則定義此直線與窗 口水平方向的夾角為邊緣點(diǎn)局部方向，記為 9 ,其取值范圍為0180。令Pj 點(diǎn)的像素灰度在數(shù)值上等于9取整后的值，所有邊緣點(diǎn)依次計(jì)算后形成的圖像定 義為邊緣方向圖。 1.3.1直線方向檢測(cè)窗口 確定合適的窗口尺寸N是計(jì)

27、算邊緣局部方向的重要步驟，它決定了子線段 的長度以及局部方向與實(shí)際直線的吻合程度。理論上，如果未知的連續(xù)邊緣為直 線，則以每個(gè)邊緣為中心，被特定尺寸的窗口切分的子線段9取值應(yīng)處處相同。 但在實(shí)際的數(shù)字圖像中，如果直線的方向不為 0, 45, 90, 135,由于離散化的 影響，9的取值將隨方向檢測(cè)窗口的不同而與真實(shí)值產(chǎn)生不同的方向計(jì)算偏差。 為確定方向計(jì)算偏差與檢測(cè)窗口大小之間的關(guān)系，考察角度范圍在90 180 之間（090相同）的7條平面直線在不同窗口作用下的9值，并定義同一窗 口對(duì)不同直線的方向計(jì)算偏差平均值為9 mean ,最大值為9 max。如圖1所示， 設(shè)直線L1-L7允許的最大方向

28、檢測(cè)窗口為 NX N （圖1中N = 35 pixel）,分別取 以直線上的像素點(diǎn)為中心的 NX N , N/2 X N/2, 9 X 9, 7 X 7, 3 X 3和2X 2窗 口，計(jì)算窗口內(nèi)子線段的角度9 ,結(jié)果如表1所示 圖1離散化直線在不同窗口作用下的示意圖 當(dāng)窗口尺寸r 9時(shí)，9的計(jì)算結(jié)果能準(zhǔn)確地反映整條直線的方向；反之， 則誤差過大；但窗口越大,計(jì)算量也會(huì)相應(yīng)增加。通過9 mean和9 max的值分 析可知：選擇9X9的窗口作為直線方向檢測(cè)窗口具有合理性。同時(shí)，9X 9窗 口切分的子線段最短長度為9 pixel,也符合人眼對(duì)子線段的最小識(shí)別長度。 1.3.2局部直線檢測(cè)及方向編碼

29、檢測(cè)窗口內(nèi)的直線識(shí)別是進(jìn)行邊緣方向編碼的關(guān)鍵。通常，原圖像經(jīng)Canny 邊緣檢測(cè)后，9X9窗口內(nèi)典型的像素分布情況有 8種，如圖2所示。圖中中心 點(diǎn)表示當(dāng)前像素，黑色點(diǎn)表示9X 9窗口內(nèi)的其他邊緣像素。由圖2可知，如果 9X 9窗口內(nèi)過中心的連續(xù)線條為直線，則需滿足如下條件：1）長度大于9; 2） 包含兩個(gè)以上端點(diǎn)；3）至少有一條可通過當(dāng)前像素的邊緣，且該條邊緣兩端點(diǎn) 之間滿足直線最短原則：即端點(diǎn)間的直線距離dis近似等于邊緣長度L,或直線 度因子s=dis / L T，T為閾值。 (a)(b)(c)(d) 上述三個(gè)條件中，第一條保證了直線具有一定的長度，可以過濾較短線段； 第二條排除了封閉曲

30、線的影響；第三條保證了窗口區(qū)域內(nèi)直線的存在， 可以準(zhǔn)確 剔除曲率較大的角點(diǎn)。因此，如果窗口區(qū)域內(nèi)的邊緣點(diǎn)滿足上述三個(gè)條件，貝U中 心像素點(diǎn)屬于某直線的可能性最大，通過該像素且滿足直線最短原則的邊緣也 最可能屬于某直線。反之，當(dāng)前像素點(diǎn)則一定不屬于某直線，或僅屬于某直線的 最長的 xj ,yj)的 邊界(這種情況并不影響對(duì)于直線的判斷)。設(shè)過中心點(diǎn)Pj( xj , yj ) 一條直線在9X 9窗口內(nèi)的端點(diǎn)坐標(biāo)為(x1 , y1)，(x2 , y2)，則Pj( 局部方向0的計(jì)算公式為 X 5Z玄 x 57.3 + 180, T 令中心點(diǎn)Pj (xj , yj)的灰度在數(shù)值上等于0取整后的數(shù)值,即可

31、完成對(duì)當(dāng)前 點(diǎn)的方向編碼。 2條帶噪聲的基本概念 2.1條帶噪聲形成的原因及影響 從本質(zhì)上講，圖像中會(huì)產(chǎn)生條帶噪聲是由于在一定方向上圖像原始數(shù)據(jù)的 灰度值連續(xù)偏高或偏低。基于AVI的棉花異性纖維在線識(shí)別系統(tǒng)中所使用的傳 感器采用線掃描式CCD成像，圖像中條帶噪聲的產(chǎn)生和一般的高斯噪聲、椒鹽 噪聲等不同，其主要是由以下原因造成的： 1. CCD工作狀態(tài)不一致。由于成像系統(tǒng)的工作狀態(tài)通常會(huì)影響系統(tǒng)相機(jī)CCD 探測(cè)器驅(qū)動(dòng)信號(hào)和光能量，這些變化將會(huì)改變CCD探測(cè)器的光學(xué)增益，從而使 整個(gè)成像CCD探測(cè)器響應(yīng)產(chǎn)生不一致性。 2. 相機(jī)CCD元件的非均勻性。受現(xiàn)代制造材料的工藝所限，CCD元件材料 中可能

32、會(huì)有一些缺陷，如透鏡質(zhì)地不均勻、CCD厚度不均勻、以及CCD探測(cè)元 尺寸不同等，這些缺陷會(huì)造成不同探測(cè)單元之間參量的不同，從而對(duì)探測(cè)元的響 應(yīng)產(chǎn)生差異；除此之處，系統(tǒng)中所使用器材的老化和損耗程度不同也是造成探測(cè) 單元響應(yīng)不一致性的一個(gè)原因。 3. CCD 校正的不正確性和不完全性。由于系統(tǒng)采用的三線陣 CCD沒有相同 的光軸，同樣的目標(biāo)在3個(gè)CCD呈現(xiàn)位置是不同的，下圖3.4為系統(tǒng)CCD成 像示意圖。雖然系統(tǒng)內(nèi)部對(duì) CCD的成像有校正，但在圖像中還是會(huì)產(chǎn)生條紋狀 的噪聲。 物體移動(dòng)方向 圖3.4 3-CCD成像示意圖 2.2條帶噪聲的特征分析 條帶噪聲的產(chǎn)生機(jī)理不同于一般的隨機(jī)點(diǎn)噪聲，這也決定

33、了其具有與一般隨 機(jī)點(diǎn)噪聲不同的特性，在圖像中有不同的表現(xiàn)。 中，理想的垂直條帶噪聲定義為: 在一幅圖像f ( x,y) 其它 圖3.5只含理想垂宜條帶的圖像 相應(yīng)地，理想的水平條帶噪聲定義為： 其它 實(shí)際圖像中的條帶噪聲也是一定寬度的貫通圖像的條帶，與理想的條帶噪聲不同， 實(shí)際圖像中的垂直條帶是在原始圖像上灰度值的下降或上升。實(shí)際圖像中的垂直條帶定 義為: f(x.y) + A, V* 兀xx fgy*其它 水平條帶定義為: 兒 f(xty)A, V yw 卜訂 /(如刃，其它 條帶噪聲的灰度值會(huì)高于或低于相鄰位置的非條帶圖像信息，并使得條帶噪聲所 在的行或列的灰度均值偏高或偏低，造成整幅圖

34、像灰度均值的升高或降低。 3條帶噪聲方向性檢測(cè)的技術(shù)分析 3.1基于霍夫變換的直線檢測(cè)原理 人工圖像和衛(wèi)星影像中，大多數(shù)物體都是由直線組成的。在圖像處理中，對(duì) 直線的識(shí)別和定位就顯得十分重要。同時(shí)，工程上對(duì)直線物體或圖標(biāo)進(jìn)行模式識(shí) 別和定位是一個(gè)常見的問題。所以尋求一種快速的直線檢測(cè)方法非常重要?；舴?變換是一種用來在邊緣增強(qiáng)處理后的圖像中，提取邊緣特征的簡便而有效的方 法，它能夠提取直線、圓、橢圓、二次曲線甚至是任意形狀的邊緣?；舴蜃儞Q 在計(jì)算機(jī)視覺、軍事防御、辦公自動(dòng)化等領(lǐng)域都得到了普遍的關(guān)注和廣泛的應(yīng)用。 其基本思想是將原圖像變換到參數(shù)空間，用大多數(shù)邊界點(diǎn)滿足某種參數(shù)形式來描 述圖像中的

35、線，通過設(shè)置累加器進(jìn)行累積，求得峰值對(duì)應(yīng)的點(diǎn)所需要的信息。 霍 夫變換以其對(duì)局部缺損的不敏感，對(duì)隨機(jī)噪聲的魯棒性以及適于并行處理等優(yōu)良 特性，備受圖像處理、模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域?qū)W者的青睞。 霍夫變換的突出 優(yōu)點(diǎn)就是可以將圖像中較為困難的全局檢測(cè)問題轉(zhuǎn)換為參數(shù)空間中相對(duì)容易解 決的局部峰值檢測(cè)問題。 1. 霍夫變換原理 圖1直線檢測(cè)中的Ho ugh變換 1962年，Paul Hough根據(jù)數(shù)學(xué)對(duì)偶性原理提出了檢測(cè)圖像直線的方法，此 后該方法被不斷地研究和發(fā)展，主要應(yīng)用于模式識(shí)別領(lǐng)域中對(duì)二值圖像進(jìn)行直線 檢測(cè)。其原理如圖1所示，平面直角坐標(biāo)系中的直線 L表達(dá)為：y=kx+b 其 中,k為斜率,

36、b為截距。直線L上不同的點(diǎn)（x,y）在參數(shù)空間中被變換為一族相交 于P點(diǎn)的直線。顯然，若能確定參數(shù)空間中的 P點(diǎn)（局部最大值），就實(shí)現(xiàn)了直 線的檢測(cè)。 平面中任意一條直線也可以用極坐標(biāo)方程來表示，即可以用p和a兩個(gè)參數(shù) 確定下來，對(duì)于圖像空間任意點(diǎn)，其函數(shù)關(guān)系為：p = XCOS a +xsin a 其中 p為原點(diǎn)到直線的距離（即原點(diǎn)到直線的垂直線的長度），a確定了直線的方 向（即原點(diǎn)到直線的垂直線與x軸方向的夾角）。如果對(duì)位于同一直線L上的n 個(gè)點(diǎn)進(jìn)行上述變換，則原圖像空間n個(gè)點(diǎn)在參數(shù)空間中對(duì)應(yīng)地得到n條正弦曲 線，并且這些曲線相交于同一點(diǎn)。 2. 霍夫變換實(shí)現(xiàn)方法 工程中的實(shí)驗(yàn)數(shù)據(jù)和圖像處

37、理中的二值邊緣圖，通常都是離散數(shù)據(jù)，因此， 根據(jù)霍夫變換性質(zhì)，可按下列步驟實(shí)現(xiàn)霍夫變換： （1）在p和a合適的最大值和最小值之間建立一個(gè)離散的參數(shù)空間； （2） 將參數(shù)空間量化成mXn（m為p的等份數(shù)，n為a的等份數(shù)）個(gè)單 元，并設(shè)置累加器矩陣； (3) 給參數(shù)空間中的每個(gè)單元分配一個(gè)累加器Q(i,j )，并把累加器的初 始值置為零； (4) 取出直角坐標(biāo)系中的點(diǎn)(x1，y1 )代入式，并以量化的a值計(jì)算出 P ； (5) 在參數(shù)空間中，找到p和a所對(duì)應(yīng)得單元，并將該單元的累加器加1, 即 Q(i,j)=Q (i,j ) +1; (6) 當(dāng)直角坐標(biāo)系中的點(diǎn)都經(jīng)過(3)( 4)兩步遍歷后，檢驗(yàn)參

38、數(shù)空間中 每個(gè)累加器的值，累加器最大的單元所對(duì)應(yīng)的p和a即為直角坐標(biāo)系中的直線方 程式的參數(shù)。當(dāng)直角坐標(biāo)系中的點(diǎn)分布在 R條直線附近時(shí)，可在第5步檢測(cè)累加 器時(shí)，取出累加器中前R個(gè)值最大的單元所對(duì)應(yīng)的p k和a k( k = 1, 2，, R)，以p k和a k為直角坐標(biāo)系中直線方程式的參數(shù)，即可同時(shí)實(shí)現(xiàn)多條直線 的檢測(cè)。 由此可見，霍夫變換的基本策略是：用圖像空間的邊緣數(shù)據(jù)點(diǎn)計(jì)算參數(shù)空間 中的參考點(diǎn)的可能軌跡，并在一個(gè)累加器中給計(jì)算出參考點(diǎn)的計(jì)數(shù)，最后選出峰 值。該峰值表明在圖像空間上有一共線點(diǎn)較多的直線，該直線的參數(shù)由累加器 的p和a決定，即按照Q(i,j )=Q(i,j ) +1確定，則圖像空間中滿足該式的點(diǎn) (x,y)就組成了該直線。 3用霍夫變換進(jìn)行直線檢測(cè) 要實(shí)現(xiàn)數(shù)字圖像的直線檢測(cè)，對(duì)圖像進(jìn)行預(yù)處理是必不可少的。 進(jìn)行圖像處 理的第一步就是要對(duì)圖像進(jìn)行圖像灰度與二值化處理。若是對(duì)整幅圖像進(jìn)行霍夫 變換，會(huì)減慢霍夫變換的速度，所以為了提高霍夫變換的計(jì)算速度， 還需要對(duì)圖 像采用邊緣檢測(cè)，即從圖像平面中提取邊緣點(diǎn)或特征點(diǎn)， 對(duì)這些特征點(diǎn)進(jìn)行霍夫 變換。 圖像邊緣是一個(gè)圖像的重要特征， 是計(jì)算機(jī)模式識(shí)別，視覺等的基礎(chǔ)，邊緣 檢測(cè)是圖像處理過程中的一個(gè)重要環(huán)節(jié)。 檢測(cè)物體邊緣時(shí)，首先粗略檢測(cè)其輪廓 點(diǎn)，然后把原來檢測(cè)到的輪廓點(diǎn)連接到一起，